小鹏汽车提出一种地标地图维护的BA-LiDAR里程计

以下内容来自​​小六的机器人SLAM学习圈​​知识星球每日更新内容

#论文# LMBAO: A Landmark Map for Bundle Adjustment Odometry in LiDAR SLAM

作者单位：小鹏汽车、中山大学 

  激光雷达是同时定位和建图（SLAM）的重要组成部分之一。然而，现有的激光雷达倾向于将新的扫描数据与先前的固定姿态扫描数据简单地进行迭代匹配，从而逐渐累积误差，此外，捆集调整（BA）作为一种有效的联合优化机制，由于大规模全局地标的稠密计算，不能直接引入实时里程计。

   因此，这里设计了一个新的策略，名为激光雷达SLAM中捆集调整里程计（LMBAO）的地标地图，以解决这些问题。首先，进一步开发了基于BA的里程计，并采用了主动地标维护策略，以实现更准确的本地配准并避免累积错误。具体而言，本文在地图上保留了整个稳定的地标，而不是仅仅在滑动窗口中保留其特征点，并根据其活动等级删除地标，接下来，减少滑动窗口长度，并执行边缘化以保留窗口外但与地图上的活动地标相对应的扫描数据，从而大大简化了计算并提高了实时性。

    此外，在三个具有挑战性的数据集上的实验表明，我们的算法在户外驾驶中具有实时性能，并优于最先进的LiDAR SLAM算法，包括LegoLOAM和VLOM。

我们工作的主要贡献可以总结如下：

1、我们提出了一种维护本地地标地图的策略，该策略独立于滑动窗口，旨在为地图添加选定的先验约束。由于容量极为有限，局部地标地图适合BA里程测量，以避免累积误差。

2、我们开发了一个观测计数来控制地标的寿命，并开发了一种中心漂移来丢弃不稳定的地标，成功地避免了来自意外遮挡和动态对象的干扰。

3、为了加快计算速度，我们减少了滑动窗口中要优化的扫描次数，并结合地标地图执行边缘化，以充分利用先前的约束。通过使用增量协方差矩阵，边缘化保留了与活动地标相关但在窗口之外的扫描数据。

以上内容来自​​小六的机器人SLAM学习圈​​ 每日更新内容

文章转载自公众号：计算机视觉life